在C++中，读入一幅图像使用语句如下，读入的图像像素为0-255之间的某一整数：
Mat disp_image = imread(path,1);
其中图像每个像素的RGB值是用3元素向量来存储（B,G,R）的，某一像素点的RGB值读取方式如下：
Vec3b& mp = disp_image.at<Vec3b>(j, i); //C++用向量存储像素值 double B = mp.val[0]; double G = mp.val[1]; double R = mp.val[2];
在matlab中，读入一幅图像并转换为double型使用语句如下，读入的图像像素在0-1之间：
input_im=im2double(imread(path));
matlab中用三维矩阵存储像素值，即R，G，B三个平面。注意此处与C++的BGR顺序不同。
明白了图像的存储原理，就可以进行矩阵转换了。
在C++与matlab混合编程时，要使用数据接口类mwArray，可以简单理解为一个矩阵，即便是一个数值也转化为这种矩阵进行传递。
将C++形式的图像矩阵转为mwArray矩阵，传入matlab函数的方式如下：
//调用matlab程序进行图像增强 mwSize mdim[3] ={disp_image.rows,disp_image.cols,3}; mwArray mdisp_image(3,mdim,mxDOUBLE_CLASS,mxREAL); //C++输入转matlab 接口矩阵转化及像素归一化 for(int j = 0; j < disp_image.rows; ++j){ for(int i = 0; i <disp_image.cols; ++i){ Vec3b& mp = disp_image.at<Vec3b>(j, i); //C++用向量存储像素值 double B = mp.val[0]*1.0/255; //像素归一化到0-1之间 double G = mp.val[1]*1.0/255; double R = mp.val[2]*1.0/255; mdisp_image(j+1,i+1,1)=R; //matlab中用三个面R，G，B存储像素值 mdisp_image(j+1,i+1,2)=G; //C++图像矩阵像素值赋给matlab矩阵 mdisp_image(j+1,i+1,3)=B; } }
将matlab处理后的图像mwArray矩阵转为C++的Mat，方式如下：
//matlab结果转C++ mwArray moutput_im2(3,mdim,mxDOUBLE_CLASS,mxREAL); Mat output_image=disp_image.clone(); for(int j = 0; j < disp_image.rows; ++j){ for(int i = 0; i < disp_image.cols; ++i){ double Bd = moutput_im2.Get(3,j+1,i+1,3); double Gd = moutput_im2.Get(3,j+1,i+1,2); double Rd = moutput_im2.Get(3,j+1,i+1,1); int B=int(Bd*255); //像素范围扩展到0-255 int G=int(Gd*255); int R=int(Rd*255); output_image.at<Vec3b>(j, i)[0] = B; //matlab图像矩阵像素值赋给C++ output_image.at<Vec3b>(j, i)[1] = G; output_image.at<Vec3b>(j, i)[2] = R; } }
好不容易琢磨出来，分享给大家吧。
